2019年人工智能研发热点回眸
最后更新：2020-03-06 15:12:12 手机定位技术交流文章
通过人工智能技术的不断改进，可以创造一个更好的智能世界2019年，5G通信网络、区块链技术、脑机接口技术等分支学科取得了一系列进展，并在许多领域得到了广泛应用。同时，它也推动了各个领域向智能化方向发展。
人工智能研究领域诞生于19世纪50年代，致力于使机器和系统在与人类智能相似的水平上运行。它经历了进步和挑战，并且由于现代计算能力和数据存储技术的快速发展而在最近几年得以复兴。人工智能通常涉及子问题，如推理、数据拟合、聚类和优化。这些子问题通过遗传算法和人工神经网络方法得到初步解决。具体来说，人工智能学习技术已经为各种问题建立了一个通用的框架，并取得了很大的进步，产生了跨越许多领域的最新技术。
5G通信网络
通信和网络技术的最新进展带来了许多新的无线服务，例如无人机到智能认知网络和大型物联网系统。为了在第五代(5G)无线蜂窝系统上实现这些新兴应用，需要解决许多与频谱共享和管理相关的挑战。事实上，大多数5G应用将高度依赖智能频谱管理技术，该技术应适应动态网络环境，同时确保高可靠性和高质量体验。在这种情况下，人工智能技术的使用，包括深度学习、卷积神经网络和强化学习，可以在人工智能驱动的频谱管理中发挥非常重要的作用。
AI技术可应用于各种无线系统或网络中的频谱管理首先，大数据在5G和物联网系统中的广泛应用可以有效地探索频谱管理的网络优化，从而真正运行自组织的5G网络通过人工智能管理，人们可以使无线设备智能地学习他们的频谱环境，从而做出更加智能和主动的频谱管理决策。其次，认知无线电无疑将成为实现未来智能无线网络的关键技术在认知无线电中，具有人工智能增强的认知科学和数据分析功能的频谱管理将发挥重要作用此外，在人工智能辅助频谱管理概念的驱动下，未来的认知无线电网络可以通过新的功能进行升级，如提供智能认知、高级无线信号处理或自适应无线资源管理等。同时，物联网可以说是下一代无线网络最重要的应用之一。为了实现物联网，人工智能辅助频谱管理将成为一项关键的基础技术，它能够智能地协调数量紧张的频谱资源，智能地减轻干扰，处理异构信息此外，未来的无人机网络有望为没有基础设施覆盖的无线设备提供经济高效的无线连接。现有的具有异构和多层结构的无人机网络通常需要无人机在地面不同的频段上工作，以便相互通信。在这些网络中，非常需要具有人工智能功能的强大频谱管理技术由于不同的无人机系统具有不同的特点，通过智能管理实现频谱移动和频谱共享将有可能在未来的大型网络中实现高速、低延迟和超可靠的通信。
区块链科技
区块链可能带来巨大的经济和社会影响区块链能够通过密码验证身份和交易，并创建不可更改的记录，这可以增强信任。在重复性任务中，人工智能在计算机性能方面优于人类。它的判断和智力不受情感、感觉和需求的影响。它有更好的记忆力，可以处理大量的信息，从而提高效率，节约成本，创造新的机会。更重要的是，人工智能和区块链有很强的互补能力，这将对行业和市场的表现产生很大的影响。每一方都有能力改善另一方的性能和功能
结合了两种技术生态系统，可以有效地解决人工智能和区块链的许多缺点。人工智能算法依靠数据或信息来学习、推断和做出最终决定当从可靠、安全、可信和值得信赖的数据仓库或平台收集数据时，机器学习算法将会工作得更好。
区块链是一个分布式账簿，数据可以通过加密、签名、验证和同意的方式存储和处理。区块链数据具有高完整性和高弹性存储的特点，不可篡改。当在机器学习算法中使用智能契约来做出决策和执行分析时，这些决策的结果将是可靠和无可争议的。人工智能和区块链的结合可以提供为人工智能收集、存储和利用的高度敏感的信息，并创建一个安全、持续和分散的系统。这种方法可以得到显著改进，以保护各个领域的数据和信息安全(包括医疗、个人、银行和金融、交易和法律数据)
如图1所示，人工智能受益于许多区块链平台的使用，这些平台可以执行机器学习算法并跟踪存储在分布式P2P存储系统上的数据这些数据通常来自智能连接产品，包括各种来源，如物联网设备、群体机器人、智能城市、建筑和车辆。您还可以将云功能和服务用于离线机器学习分析、智能决策和数据可视化。
图1人工智能对新兴技术的影响
脑-机接口技术
脑-机接口(BCI)为人们提供了一种无需行动就能交流信息的方式相反，人们从事精神活动，如想象或计数，产生特定的大脑活动模式，可以被计算机检测到。然后计算机实时向用户提供反馈
所有BCI都有4个组件首先，传感器必须能够检测大脑活动大多数BCI人通过非侵入性手段检测大脑活动，而一些BCI人使用植入电极来提供关于大脑活动的更详细的信息。其次，自动信号处理软件必须识别和区分反映用户意图的大脑活动第三，外部设备必须根据信号处理模块的结果提供一些反馈这可能包括在监视器上显示文字、移动外骨骼或控制假肢第四，操作环境必须控制其他3个组件之间以及与最终用户之间的交互。
2年7月17日，马斯克宣布了纽拉林克的脑-机接口技术的突破。与以前的技术相比，它对大脑的伤害更小，传输数据的能力更强。Neuralink利用这种技术对动物进行了多次手术，并成功地放置了“细线”电路，使机器能够被动物的大脑控制，成功率约为87%(图2)
图2脑-机接口模型
Neuralink公司在开发灵活、可扩展的脑-机接口方面取得了重大突破，与之前的数量相比，增加了一个数量级的通道数量。该系统由三个主要部分组成:超细聚合物探针、神经外科机器人和定制的高密度电子设备微型定制电子设备使人们能够同时传输来自所有电极流的完整宽带电生理数据。该系统是为长期植入而包装的，并定制和开发了在线峰值检测软件，可以低延迟地检测动作电位。该系统构成了最先进的全植入式人机界面平台。
nerulink开发了一种定制工艺，所需的最小神经探针由各种生物相容性膜材料制成。聚酰亚胺主要构成这些探针中使用的主衬底和电介质，其中封装有金薄膜迹线每个薄膜阵列由一个“传感器”区域和一个具有电极接触和布线特征的“线”区域组成，其中能够信号放大和采集的定制芯片连接到薄膜
AI芯片
机器学习算法在许多应用中取得了很大进展然而，它们在最新平台上的硬件实现仍然面临一些挑战，并且受到各种因素的限制，例如存储器容量、存储器带宽和互连开销。因此，开发针对人工智能优化的芯片对于人工智能的发展和应用非常重要。
有两种发展通用人工智能的通用方法:计算机科学和神经科学因为它们的编码方案和表达方式根本不同，这两种方法依赖于不兼容和完全不同的平台，因此减缓了人工智能的发展。人们非常希望有一个共同的平台来支持神经科学和基于计算机科学的流行人工神经网络所启发的模型和算法。
2019，清华大学类脑计算研究中心的石路平团队成功研制出新的人工智能芯片“天奇”“天辰运动”整合了这两种方法，提供了一个协调、混合的平台。它是世界上第一个异构融合脑芯片，具有速度快、性能强、功耗低的特点。该芯片采用多核架构，具有混合编码方案和可重构构建模块的流线型数据流，不仅可以轻松实现脑激励电路和各种编码方案，还可以适应基于计算机科学的机器学习算法。同时，该芯片是一个特殊的平台，可以支持大多数神经科学和计算机科学领域的神经网络模型。这些模型通常使用不同的方式来表示信息。通过回顾计算机科学领域(如MLP、美国有线电视新闻网、RNN)和神经科学领域(如SNN、基于速率的生物启发式神经网络等)中最广泛使用的神经网络模型。)，在此基础上提出了一种统一的表示方法，使模型的实现与轴突、突触、树突、主干和路由器区室相一致，确定SNN和人工神经网络神经元之间的相同点和不同点，并根据它们各自的功能在这些区室中安排运算和转换。通过对齐数据流，芯片可以在单一或混合模式中灵活地实现各种模型实验中演示的无人驾驶自行车系统中各种模型和算法的同步处理仅使用一个芯片，实现了实时目标检测、跟踪、语音控制、避障和控制平衡(图3)未来，随着“天体运动”的发展，它可以为人工通用智能的研究提供一个更加高效、快速、灵活的计算平台，也可以用于其他领域的应用开发，促进人工通用智能的研究，并使其他行业也能这样做。
图3“日运动”自行车
人工智能教育
人工智能在教育领域的应用非常重要从机器人教学到自动问卷评估系统的开发，人工智能一直为教师和学生提供帮助。研究表明，人工智能是所有自然语言处理智能教学系统的核心这些系统有助于自我反思、回答深层问题、解决矛盾、产生创造性问题和做出选择等训练。
人工智能可以大大简化学校和教师的重复性工作，帮助教育工作者给考试打分、评估课程并向学生提供反馈随着人工智能教育的逐步成熟，人工智能技术可以用来自动测试各种评分任务。这意味着老师会花更多的时间和学生在一起，而不是花很多时间给他们评分。人工智能可以针对每个学生，生成适合该学生的学习内容，定制教科书，并帮助学生尽可能地开发他们的潜力同时，人工智能教育打破了地域界限，学生可以在任何时间任何地点学习他们感兴趣的任何课程。
国外相继开发了许多智能教育系统。例如，美国匹兹堡大学的布鲁斯洛夫斯基为学生的兴趣、学习经历和知识量建立了用户模型。为了满足学习者与系统交互过程中的个性化学习需求，智能学习系统如ELM-ART、InterBook、KnowledgeSea、AnnotatEd、TaskSieve等。并在此基础上改进和补充了许多后来的研究成果。皇家墨尔本理工学院的沃尔夫、雅典大学的帕帕尼科劳和英霍夫科技大学的黛布拉也分别开发了INSPIRE和AHA。个人化教育系统，如我的世界国外
开发的一批产品已成功应用于个性化教育的教学实践，并取得了一定的效果。以梦想盒学习强调个性化学习诊断为例。作为一个在线学习平台，它可以自动适应用户的学习进度。通过分析每个学生的学习过程，提供数学理解能力评估，进而提示和鼓励学生以最适合学生的方式向正确的方向学习。来自普渡大学的跟踪数据显示，梦想盒学习有效地提高了学生的整体表现。
人脸识别随着
人工智能技术在不久的将来的迅速发展，特别是电子技术和计算机科学的发展，第一次有可能广泛部署生物识别系统。今天，它们存在于大量场景中，例如边界访问控制、监控、智能电话认证、取证和在线服务(例如，电子学习和电子商务)
在所有现有的生物特征中，人脸识别是目前使用最广泛的特征之一。自20世纪60年代以来，人们一直将人脸识别作为一种识别方法进行研究。随着计算机视觉的发展，它在20世纪90年代具有特殊的意义。人脸生物特征识别的特点是在一定距离内无创地采集信息，并具有良好的人脸识别特征来进行身份识别。
人脸识别技术将广泛应用于最近的许多场景。与此同时，人脸识别的欺骗将会层出不穷。通常，通过向传感器(如照相机)呈现目标人员的照片、视频或3D面具，人脸识别系统会被欺骗由于面部表情的高曝光率(如社交媒体和视频监控)和高分辨率数码相机、打印机或数字屏幕的低价，使用照片和视频是最常见的攻击类型。
人脸识别系统试图区分真实用户，而不是确定提供给传感器的生物特征样本是真的还是假的人脸识别技术通常被认为是一种能够自动区分真实生物特征和呈现给传感器的人工合成伪影的技术为了创建一个抗攻击的人脸识别系统，有必要选择一种合适的技术来识别人脸伪造。之后，区分人脸伪造技术和人脸识别系统的集成可以在不同的层次上进行融合，即分数级或决策级融合。
的第一种可能性是使用分数级融合，这是一种流行的方法，因为它简单且易于实现，并且在多模式生物特征系统融合中取得了良好的效果。在这种情况下，生物统计数据将被同时输入到人脸识别系统和人脸伪造识别系统中，并且每个数据将计算其自己的分数。每个系统的分数将被合并成一个新的最终分数，以确定样本是否来自真实用户。这种方法的主要优点是它的结果可以快速反馈，因为这两个模块同时执行它们的操作。这一事实可用于具有良好并行计算规范的系统，例如具有多核/多线程处理器的系统
另一种将辨别人脸伪造的技术与人脸识别系统相结合的常用方法是一种串行方案，在该方案中，辨别人脸伪造系统首先做出决定，并且仅在确定样本来自活人的情况下处理该样本。由于这种决策级融合，面部识别系统将搜索对应于生物特征样本的身份，从而预先知道该样本不是来自演示攻击。其次，在串行方案中，尝试访问的平均时间将更长，区分人脸伪造模块和人脸识别模块的连续延迟将更长。然而，该方法避免了在伪造攻击下人脸识别系统的额外工作，因为计算将在早期结束。
攻击者可以使用许多无限欺诈，每种欺诈都有不同的属性。因此，为了开发更有效的算法来识别人脸伪造，用新的方案收集新的数据库是很重要的。否则，很难提高人脸识别系统的安全性。
军事智能
在过去的10年里，研究人员在人工智能和相关技术(如量子计算、大数据、物联网、小型化、机器人和自治)的发展方面取得了重要进展例如，2014年，设计世界最佳围棋程序(AlphaGo)的人工智能专家预测，要打败人类围棋冠军还需要10年时间。但是谷歌的深度思维仅在一年后就实现了这一技术壮举。推动这一发展的关键因素包括:(1)计算性能的指数增长；(2)扩展数据集；(3)在实现机器学习技术和算法方面的进展(特别是在深层神经网络领域)；(4)人工智能的商业兴趣和投资正在迅速增长；(5)至少自第二次世界大战以来，一些自主系统已用于军事技术，但机器学习和人工智能的最新进展代表了一个根本性的转折点。(6)人工智能可能给军事力量带来根本性的变化，其意义在于重新调整力量的平衡；(7)特别是各国之间的地缘政治竞争各国将不可避免地受到开发人工智能能力的竞争的影响世界领导人很快认识到人工智能的变革潜力，并相信它将成为未来国家安全的重要组成部分。
2016年，美国国防部发布了“人工智能研发国家战略计划”，这是人工智能机器学习系列研究之一，涉及人工智能重振美国军事优势的潜力美国国防部副部长罗伯特·沃克说:“我们无法证明这一点，但我们认为我们正处于人工智能和自治的转折点。”美国国防部还成立了国防部创新实验小组，以促进五角大楼和硅谷之间的密切合作。军事力量带来的根本变化可能来自人工智能。有可能继续开发一系列用于军事目的的人工智能技术，为寻求成为“科技超级大国”以探索美国的军事弱点奠定良好基础。到2025年，俄罗斯准备用机器人取代30%的军事力量。总而言之，国家目标和计划已经证明，世界上所有国家都认识到人工智能对国家安全和战略计算的变革(或军事技术革命)潜力。美国军方国防高级研究计划局
已经在军事情报方面进行了大量投资，包括终身学习项目(L2M)、指南针项目、凯罗斯项目等。，到最近开发的“可解释人工智能”(XAI)、不同来源的主动解释(AIDA)和“确保人工智能反欺骗可靠性”(GARD)项目，所有这些都是人工智能在军事领域的应用研究其中，“可解释人工智能”旨在发展革命性的机器学习技术，希望形成一个理论框架，可以解释人工智能得出的结论(图4)可解释的机器学习系统将有能力描述它们的优点和缺点，解释它们的原理，并表达它们对未来行为的理解。实现这一目标的方法是改进或开发新的机器学习技术，以产生更多可解释的模型。这些模型将结合最先进的人机界面技术，将模型转化为用户可以理解和解释的有效对话框。策略是采用各种技术生成一系列方案，为未来的开发人员提供一系列设计选项，包括可解释的事务空间和性能。
图4可以解释人工智能模型
人工智能正在与各种领域广泛结合，以促进各种领域朝着智能方向发展希望人工智能能够得到合理的利用，使人们能够在生活的各个方面享受到人工智能带来的便利。通过人工智能技术的不断完善，创造一个更美好的智能世界
基金项目:国家社会科学基金重大项目(17ZDA028)
参考文献(略)
作者简介:刘伟，北京邮电大学自动化学院博士后，研究方向:人机交互，认知科学
注:本文发表在2020年第一期《科学技术指南》上。请注意它
(责任编辑陈)
本文由 在线网速测试 整理编辑，转载请注明出处。
